基于Word2vec和粒子群的链路预测算法

链路预测中普遍存在两大问题:特征提取困难和类别数据不平衡.本文借鉴文本处理中的深度学习特征提取算法和优化问题中的粒子群算法,提出一种基于词向量的粒子群优化算法(Word2vec-PSO).该方法首先通过随机游走产生网络序列后,利用Word2vec算法对节点序列特征提取.然后在有监督的条件下,利用粒子群算法对提取好的特征进行筛选,并确定重采样的参数来解决类别数据不平衡问题,并分析了不同链路预测算法的计算复杂性.最后将本文的算法与基于相似性、基于深度学习、基于不平衡数据的3类链路预测算法,在4个不同的时序网络中进行实证对比研究.结果表明,本文提出的链路预测算法预测精度较高,算法更加稳定且具有普适性.